按年被提到
20242024 · 2 次2026
数学、逻辑与理论›AI 数学与定理证明·arXiv:2408.08152 · cs.CL

DeepSeek-Prover-V1.5: Harnessing Proof Assistant Feedback for Reinforcement Learning and Monte-Carlo Tree Search

DeepSeek-Prover-V1.5:利用证明助手反馈进行强化学习与蒙特卡洛树搜索
Huajian Xin, Z. Z. Ren, Junxiao Song, Zhihong Shao, Wanjia Zhao, Haocheng Wang, Bo Liu, Liyue Zhang, Xuan Lu, Qiushi Du, Wenjun Gao, Qihao Zhu 等 17 人 · 2024

开源 Lean 4 证明模型,结合 RLPAF 与 RMaxTS 搜索刷新纪录

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2024-08-17 · 最近 2025-04-30
3不同的人
3活跃月份
3讨论串
31被引(OpenAlex)

论文在 DeepSeek-Prover-V1 基础上,基于 DeepSeekMath-Base 预训练并用增强的形式化定理证明数据做监督微调,再通过来自证明助手反馈的强化学习(RLPAF)精调。此外提出 RMaxTS,一种以内在奖励驱动探索的蒙特卡洛树搜索变体,用来生成多样的证明路径;模型在 miniF2F 测试集上达到 63.5%、在本科级 ProofNet 上达到 25.3% 的当时最优结果。

HN 为什么提它

评论者把它当作专门针对形式化定理证明、用强化学习和 MCTS 训练并显示出前景的模型工作来引用,另有人用它交代 DeepSeek 定理证明模型的背景。

方法难度 4 / 5约 50 分钟有时效性
读之前最好知道
1Lean 4 证明助手
2强化学习基础
3蒙特卡洛树搜索(MCTS)
4大语言模型微调

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用jumploops · 2024-10

“being done on models that are specific to formal theorem proving that show promise[2]”

举例说明专用于形式定理证明的模型已展现前景
LLMs don't do formal reasoning原评论 ↗
引用dvrp · 2025-04

“seems like it's not a new 671 B behemoth, just the V3 MoE engine with long-context RoPE + FA2, retargeted at theorem proving. see [1,2]:”

指出它并非新的 671B 大模型,只是 V3 MoE 引擎改做定理证明
DeepSeek-Prover-V2-671B原评论 ↗
被提交为 story · 1 次